神经网络模型的透明化及输入变量约简

由于神经网络很容易实现从输入空间到输出空间的非线性映射,因此,神经网络应用者往往未考虑输入变量和输出变量之间的相关性,直接用神经网络来实现输入变量与输出变量之间的黑箱建模,致使模型中常存在冗余变量,并造成模型可靠性和鲁棒性差。提出一种透明化神经网络黑箱特性的方法,并用它剔除模型中的冗余变量。该方法首先利用神经网络释义图可视化网络;再利用连接权法计算神经网络输入变量的相对贡献率,判断其对输出变量的重要性;最后利用改进的随机化测验对连接权和输入变量贡献率进行显著性检验,修剪模型,并以综合贡献度和相对贡献率均不显著的输入变量的交集为依据,剔除冗余变量,实现NN模型透明化及变量选择。实验结果表明,该方法增加了模型的透明度,选择出了最佳输入变量,剔除了冗余输入变量,提高了模型的可靠性和鲁棒性。因此,该研究为神经网络模型的透明化及变量约简提供了一种新的方法。

复杂化工过程神经网络模型的透明化

神经网络具有优良的非线性映射逼近能力,广泛应用于化工过程建模,但神经网络建模方法属于黑箱法,所获得的模型缺乏透明性,各变量的解释性差,限制其指导化工企业优化技术决策。结合神经网络释义图、连接权法和改进的随机化测验三种方法,对复杂化工过程神经网络模型进行透明化研究。首先利用神经网络释义图可视化模型,再用连接权法对决策参数贡献率定量分析,最后利用改进的随机化测验,对模型的连接权、决策参数的综合贡献度和相对贡献率进行显著性检验,进而修剪模型。通过对复杂化工过程氢氰酸生产模型验证研究,结果表明该方法获取了过程变量的内部信息,极大地提高了模型的"可理解"能力。因此,本研究为复杂化工过程神经网路模型的透明化提供了一条很好的途径。

基于“透明”神经网络的模拟电路故障诊断

本文通过分析BP神经网络用于模拟电路故障诊断时的缺点,提出了一种新的神经网络,称为"透明"神经网络(TANN).然后将TANN用于模拟电路子网络级故障诊断,并通过实例验证了该诊断方法的有效性.

基于深度神经网络算法的水体透明度反演方法

水体透明度能够直观反映湖泊水质状态,掌握长时间大尺度湖泊水体透明度是控制和改善湖泊水生态环境的关键。由于滇池的水质原位监测工作起步较晚,导致长时间序列的历史湖泊水体透明度数据的缺失。为此,以滇池为研究区,以深度神经网络算法为理论基础,以原位监测和MODIS遥感影像为数据,对2001年1月1日—2018年12月31日滇池水体透明度进行反演,并利用地理空间分析方法探讨了滇池湖泊水体透明度时空变化特征。研究结果表明:(1)提出的反演模型具有较好的性能(RMSE=0.1359,MAE=0.1134),能够客观反映湖泊水体透明度状况;(2)时间变化特征分析结果表明,滇池水体透明度总体呈现下降趋势,综合变化率为-0.08 m/10 a;(3)空间变化特征分析结果表明,水体透明度较高的区域下降率较大,水体透明度较低的区域变化趋势相对稳定,距离城区及居民区较近的水体透明度相对较低;人类活动将成为影响滇池水体透明度变化的重要因素,同时也是造成滇池水体污染的主要因素。

基于深度卷积神经网络的肾透明细胞癌细胞核分割

肾透明细胞癌病理图像中细胞核的形态和位置信息对肾癌的良恶性分级诊断具有重要意义,为提高肾透明细胞癌细胞核分割的质量,本研究提出了基于深度卷积神经网络的细胞核分割方法。首先,根据标定的病理图像中细胞核轮廓,构建细胞核分割样本集;然后,深度卷积神经网络通过隐式特征学习对细胞核分割模型进行训练,避免人为设计特征;最后,利用细胞核分割模型对病理图像进行逐像素分割。实验结果表明,深度卷积神经网络的细胞核分割算法在肾透明细胞癌细胞核分割的像素准确率高达90.33%,细胞核分割性能稳定,深度卷积神经网络强大的鲁棒性和适应性使得肾透明细胞癌细胞核自动分割具有可能。

基于BP神经网络算法的内蒙古岱海水体透明度遥感估算

【目的】利用BP神经网络算法对内蒙古岱海水体的透明度进行遥感估算。【方法】基于内蒙古岱海实测透明度和光谱数据(地面遥感反射率和卫星遥感得到的反射率),建立BP神经网络水体透明度反演模型,并将此模型应用于Sentinel-2 MSI和Landsat-8 OLI卫星数据,遥感反演岱海水体透明度。【结果】(1)本文建立的BP神经网络模型中,最优模型OLI_insitu_220模型的测试集决定系数R~2=0.66,均方根误差RMSE=0.23m,平均绝对百分比误差MAPE=21.56%。(2)与传统计算方法相比,BP神经网络算法更适合岱海水体透明度的估算(R~2>0.81,RMSE<0.18 m,MAPE<14.97%),反演透明度值与实测值有较高的一致性。【结论】实测与卫星匹配的独立验证进一步显示该算法的有效性,能够客观地反映湖泊水体透明度状况,证明了BP神经网络算法运用在内陆湖泊反演水体透明度的可行性。

透明陶瓷夹层结构冲击响应及BP神经网络预测

首先,选择以蓝宝石陶瓷为迎弹层、二氧化硅无机玻璃和聚碳酸酯有机玻璃为吸能层和聚氨酯为胶结材料的透明夹层结构为研究对象,采用一级轻气炮对试样进行了冲击实验,试样呈现陶瓷层弯曲失效破坏主导和冲击压缩破坏主导的2种破坏模式,通过高速摄像详细记录裂纹动态扩展过程。然后,采用Abaqus有限元软件对多组结构层厚度配比的透明夹层结构进行120、150、180 m/s速度的弹体冲击模拟,针对陶瓷材料引入了基于JH-2本构模型的子程序,并结合单元删除法,对裂纹扩展和碎片飞溅过程进行了数值模拟。模拟结果与实验结果吻合较好。最后,采用BP神经网络算法对冲击点后侧位移峰值进行了预测,单层和多层神经网络模型平均计算耗时分别为1和3 min,与位移峰值的数值模拟结果相比,2种神经网络模型预测结果的平均相对误差分别为7.6%和3.2%。该BP神经网络模型计算时效和精度都满足要求,相比传统消耗5 h的有限元计算,节省大量时间,可对透明夹层结构的设计提供指导。

基于人工神经网络的高效电磁诱导透明超表面阵列设计

电磁诱导透明(Electromagnetic Induced Transparent,EIT)超表面具有极高的透射系数,近年来广泛用于太赫兹调制器、传感器等领域。但大型EIT超表面阵列的全波仿真往往耗费巨大的计算资源与时间。为了加快超表面阵列的设计过程,本文提出了一种基于传递函数与神经网络模型相结合的设计方法。为了降低模型的复杂度,提高建模效率,提出模型利用基于传递函数(Transfer Function,TF)的矢量拟合技术,对超表面的电磁响应进行拟合处理。传递函数的极点和留数代替离散的电磁响应,作为模型的输入,从而极大的降低了模型的输入维度,简化了网络结构。以一种工作在太赫兹频段基于高低谐振环的EIT超表面为例,验证了提出方法的有效性。此外,相较于直接使用离散电磁响应作为模型的输入,提出的基于传递函数的神经网络模型具有更高的效率。本文提出的模型可以快速产生相应的结构参数以匹配目标的电磁响应,从而显著简化设计流程。

基于透明介质成像的光学散射神经网络

近年来,随着神经网络的发展,多种光电神经网络框架相继提出,在图像和语音处理等方面表现出强大的应用潜力。设计一种新型的基于透明介质成像的光学散射神经网络框架。描述透明介质双向散射传播的物理特性,采用多层堆叠散射介质构建神经网络单层智能单元,并利用非线性光电材料薄膜实现非线性激活,级联单层智能单元构建深度网络物理模型;根据双向散射物理模型构造对应的双向数字复值神经网络,并根据复值求导链式法则推导数字权重更新的后向传播算法,其复值网络权重参数通过调控散射介质的物理参数来实现;在MNIST数据集上验证其智能分类的有效性。

基于神经网络反演中国南海海域透明卷云参数

基于中分辨率成像光谱仪/云和气溶胶探测激光雷达(MODIS/CALIOP)的匹配数据集,提出一个分类神经网络进行透明卷云的识别,利用两个回归神经网络对透明卷云的光学厚度和云顶高度进行反演。结果表明,分类网络的精确度可达到84%,检测率达到79%。对成功识别的透明卷云参数进行了反演,得到透明卷云光学厚度的平均绝对误差为0.2,均方根误差为0.25,相关系数为0.79。对云顶高度进行了反演,得到云顶高度的平均绝对误差为0.61 km,均方根误差为0.74 km,相关系数达到0.87。本研究利用MODIS/CALIOP匹配数据集以及神经网络算法,可得到透明卷云的分布以及其参数特性,为其在南海海域上空的分布情况提供了数据支撑,有助于相关研究人员了解该地区透明卷云的分布情况,提高辐射计算的精度。

发酵液中透明质酸含量的快速估测方法

为快速估测出发酵液中透明质酸含量,对发酵液中透明质酸含量与菌体量、浊度、粘度、电导率、还原糖含量进行相关性分析及偏相关性分析,选择与透明质酸含量相关性最为显著指标构建一元线性回归、二次项曲线回归以及BP神经网络数学模型,并对模型估测发酵液中透明质酸含量进行验证。结果表明:在显著性水平P<0.01下,发酵液浊度、电导率与透明质酸含量不存在相关性;菌体量与透明质酸含量存在虚假性相关;粘度及还原糖含量与透明质酸含量显著相关,系数分别为0.984、-0.869,粘度与透明质酸含量相关性最为显著,可作为估测发酵液中透明质酸含量的唯一指标;利用三种数学模型对发酵液中透明质酸含量进行估测验证表明BP神经网络模型的估测最为准确,方差仅为1.89×10^-2,通过测定发酵液粘度可快速准确估测出发酵液中透明质酸含量。

基于改进U^(2)-Net的透明件划痕检测方法

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。针对透明件表面划痕快速检测问题,提出了一种基于改进U^(2)-Net的缺陷检测方法。首先,直接应用U^(2)-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明:本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^(2)-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。

血管介入手术系统参数辨识和模型修正方法研究

在血管介入手术中,医生更多依靠力反馈进行操作和判断。当前大多数介入手术机器人缺乏力反馈功能,影响系统透明度,准确进行模型参数预测是提高血管介入手术系统透明度的关键。本文在血管介入手术过程中,以质点弹簧模型为主手端的导管动力学建模,利用力触觉渲染获取力反馈数据。但在建模过程中无法确定动力学参数,无法达到力触觉渲染的准确性,文中通过以最小二乘法为参数辨识方法获得了精确的导管动力学模型参数。采用RBF神经网络算法,利用得到的动力学辨识参数,对主端模型中导管的物理参数进行修正。研究结果表明,本文提出的方法在导管动力学参数辨识中可以提高模型的预测精度,提升血管介入手术系统透明度。本文为系统模型参数辨识设计以及力反馈真实感的提升有重要理论意义和实用价值。

基于Web的远程故障诊断系统在Linux下的实现方法

提出基于Web的远程故障诊断系统在Linux下的实现方法,克服了在传统Windows下大部分源代码未公开所带来的某些局限性和不透明性,易于管理和维护,具有优良的扩展开发性,系统所用到的软件大多为免费开放型,节约了成本。该系统中采用了BP神经网络模型,并将数据库操作的程序源代码以JavaBeans的形式封装,既隐藏了复杂的操作,又解决了安全性的问题。

采用影像组学的肾肿瘤组织学亚型分类

为了在术前更准确、非侵入地鉴别乏脂肪血管平滑肌脂肪瘤(fp-AML)和肾透明细胞癌(cc RCC),提出一种基于CT图像的影像组学模型.从CT图像中提取774个三维的影像组学特征;分三步进行特征选择:计算皮尔森相关矩阵剔除冗余特征,使用Welch’s t检验确定具有显著差异的特征,利用序列浮动前向选择算法选择具有鉴别能力的特征;使用基于稀疏学习的径向基函数神经网络进行分类.结果表明:该模型获得的正确率、敏感度、特异性和受试者工作特征曲线下面积分别为90.00%、66.67%、100.0%和0.9173.利用分类器的输出概率进行模型的可靠性评估,当概率阈值为0.95时,该模型获得的自信正确率、未定率和错分率分别为71.67%、 25.00%和3.33%,结果表明所提出的影像组学模型能可靠地对fp-AML和cc RCC进行分类.

透明质酸发酵液中还原糖含量的快速估测方法

快速估测出透明质酸发酵过程中还原糖含量对生产实践有重要指导意义。使用软件对透明质酸发酵液中还原糖含量与其他主要参数进行相关性分析,结果发现浊度、电导率与还原糖含量不存在相关性;继续偏相关分析,菌体量与还原糖含量存在虚假性相关,黏度及透明质酸含量与还原糖含量相关性显著。考虑到检测方法的简便性,选择发酵液黏度作为估测透明质酸发酵液中还原糖含量的唯一参数。利用所获得一元线性回归、二次项曲线回归及BP神经网络3种数学模型对透明质酸发酵液中还原糖含量进行估测验证,结果表明,BP神经网络模型的估测效果最好,方差仅0.1694。

基于语义透明性的混合认知结构的研究

在构造一个混合认知系统的时候,需要有一个基本原则来确定人工神经网络和符号系统的功能和任务.本文试图通过构造一个含有迭代序列的概念模型和方法框架,预测认知行为中的基本要素,对人的认知行为进行客观的分析,为评价和构造混合模型的结构和处理过程奠定基础.本文首先介绍了,"语义透明性(semantic transparency)"的概念,并用之描述和分析认知模型的特征以及隐含在人的认知行为中的过程,然后给出了一个具体的混合认知结构模型,最后根据从脑监控系统所得到的关于受试者处于认知行为过程的实验数据,进一步研究和分析混合认知模型的语义透明性问题.

相位特征在三维物体识别中的应用

提出利用物体的相位特征联合神经网络的方法对透明半透明三维物体进行识别.首先利用波长扫描数字全息技术和数字再现技术提取物体的相位特征,然后将物体的这些相位特征作为学习模式训练一个BP神经网络,最后利用训练好的网络对三维物体进行识别.实验表明,对于具有小尺度变化的透明半透明三维物体识别,该方法的正确识别率为100%.